METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA

Abstract

Multikolinearitas merupakan salah satu permasalahan dalam analisis Regresi Linear. Multikolinearitas dapat menyebabkan estimasi parameter dengan metode Ordinary Least Squares (OLS) menjadi penduga yang masih tetap tak bias dan konsisten, tetapi tidak efisien. Salah satu metode yang dapat digunakan untuk mengatasi multikolinearitas, yaitu Metode Partial Least Squares (PLS). Pada penelitian ini tingkat efisiensi metode OLS dan PLS dibandingkan dalam mengestimasi parameter regresi ketika terdapat multikolinearitas dalam data. Penelitian ini menggunakan 21 kondisi data yang berbeda dalam ukuran sampel dan tingkat korelasi. Tingkat efisiensi dari kedua metode dibandingkan berdasarkan nilai bias dan Mean Square Error (MSE) dari nilai estimasi yang dihasilkan. Penelitian ini menunjukkan bahwa metode OLS merupakan penduga yang efisien ketika tidak ada korelasi antar variabelnya. Selain itu dapat disimpulkan juga bahwa metode PLS memiliki nilai bias yang cenderung mengecil seiring bertambahnya jumlah sampel dan sebaiknya digunakan sebagai suatu metode analisis ketika variabel bebas berkorelasi lebih dari atau sama dengan 0,8.

Kata Kunci: Analisis Regresi, Matriks Korelasi, Multivariat, Simulasi